Makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak e-perakende sektörüne yönelik talep tahmini

OpenAlex Türkçe

Elektronik perakendecilik (e-perakende), perakendeci ile müşterilerin web ve mobil uygulamalar aracılığıyla iletişimde bulunduğu bir perakendecilik çeşididir. E-perakende işletmelerinin artan rekabet ortamında büyümeye devam edebilmesi ve rakip işletmelerden farklılaşarak ön plana çıkabilmesi için değişen tüketici taleplerine zamanında ve doğru bir şekilde cevap verebilmesi gerekmektedir. Ülkemizdeki yerel süpermarket verileri ile e-perakende sektörüne yönelik Makine Öğrenmesi ve Derin Öğrenme algoritmalarını kullanan bir talep tahmin çalışması (bildiğimiz kadarıyla) henüz yapılmamıştır. Bu çalışmada yerel bir süpermarketin son iki yıllık e-ticaret verileri (web sitesi ve mobil uygulama) ve ürün satışını etkileyen faktörler (TÜFE ve yıllık işsizlik oranı) göz önüne alınarak belirli kategorideki ürünlere yönelik talep tahmin edilmiştir. Talep tahmin modeli için altı farklı yapay zekâ algoritmasının (Derin Öğrenme, Yapay Sinir Ağları, Gauss Süreç Regresyonu, Regresyon Ağacı, Destek Vektör Regresyonu ve Ağaç Toplulukları) yirmi dört farklı yöntemi eğitilmiş ve test edilmiştir. Sonuçlar, korelasyon katsayısı (R), Kök Ortalama Kare Hata (KOKH) ve Ortalama Mutlak Hata (OMH) kriterleri ile değerlendirilmiştir. En iyi sonuç Uzun ve Kısa Vadeli Hafıza Ağları kullanılarak alınmıştır (KOKH=0,0353; OMH=0,0164; R=0,9742). Elde edilen sonuçlar ürün tedarikinin doğru miktarlarda yapılmasında, satış kampanyalarında ve pazarlama stratejilerinde kullanılarak e-perakende satışının başarısını artırabilecektir.